Mô hình chuỗi thời gian có thể hữu ích khi một mô hình cấu trúc là không phù hợp. Ví dụ, giả sử rằng có một số biến yt có phong trào một nhà nghiên cứu muốn giải thích. Nó có thể là các biến qua việc điều khiển chuyển động của yt không quan sát servable hoặc không thể đo lường được, hoặc các biến buộc được đo ở tần số thấp hơn so với quan sát yt. Ví dụ, yt có thể là một loạt các lợi nhuận cổ phiếu hàng ngày, nơi mà các biến giải thích có thể có thể là các chỉ số kinh tế vĩ mô mà có sẵn hàng tháng. Ngoài ra, như sẽ được xem xét trong chương này, mô hình cấu trúc thường không hữu ích để dự báo out-of-mẫu. Những quan sát động viên các sideration dựng các mô hình chuỗi thời gian tinh khiết, đó là trọng tâm của chương này.
Các phương pháp tiếp cận cho chủ đề này là như sau. Để de fi ne, ước lượng và sử dụng mô hình ARIMA, một fi đầu tiên cần phải xác định các ký hiệu và để de fi ne một số khái niệm quan trọng. Chương trình sau đó sẽ xem xét các tính chất và đặc điểm của một số mô hình Speci fi c từ các gia đình ARIMA. Các nỗ lực cuốn sách để trả lời các câu hỏi sau: "Đối với một fi ed thời gian loạt mô hình đặc hiệu với định giá trị tham số, những gì sẽ được đặc de fi hoạch của mình? ' Sau này, các vấn đề sẽ được đảo ngược, do đó câu hỏi ngược được hỏi: '? Cho một tập hợp dữ liệu, với các đặc tính đã được xác định, những gì là một mô hình hợp lý để mô tả dữ liệu'
đang được dịch, vui lòng đợi..